[发明专利]一种基于随机森林算法的雷达工作模式识别方法

说明书

本发明属于认知电子对抗技术领域，具体的说是一种基于随机森林的雷达工作模式识别方法。本发明主要包括：根据雷达的工作模式获得雷达信号的标签集和样本集，对获得的样本集和标签集合进行学习，学习的目标是获得使损失函数最小的最终分类器，包括数据预处理、训练集获取、特征选取和对训练集进行学习。本发明可以准确对雷达的工作模式进行识别，方法简单，速度更快，效果良好。

技术领域

本发明属于认知电子对抗技术领域，具体的说是一种基于随机森林(RandomForest,RF)的雷达工作模式识别方法。

背景技术

认知电子战中，快速准确估计目标雷达的工作模式有助于学习目标行为，是认知系统对目标威胁估计和干扰效能估计的关键和主要依据，也是对目标制定精确干扰策略的重要保证。雷达的工作模式是由多种参数共同决定，且大部分的参数都是重叠的，对于某些工作模式不能够仅仅依赖简单的基本规则进行定义识别。在传统的雷达工作模式识别方法中，仍有大量的数据并未挖掘进行利用，而且基于简单规则的识别方法存在可靠性欠缺的问题。对于存在模式差异同时参数部分重叠的工作模式之间存在难以准确识别的问题。目前在认知雷达对抗领域中，机器学习算法的引入研究较为缺乏，所以对机器学习算法的研究是比较重要而且前沿的领域。

发明内容

本发明的目的，是在工作模式识别准确率、数据挖掘和新数据识别等问题上，提出一种基于机器学习算法中的随机森林分类算法进行雷达工作模式识别工作。

基于树的机器学习学习方法在数据挖掘中有较大的优势，并且具有可解释强、学习能力强等优点，并且能够进行准确的分类工作。随机森林适用于高维、非线性的特征参数，具有较强的鲁棒性和很好的抗噪声能力，能很好的避免过拟合，对新数据只需利用训练好的模型便能进行准确的预测。在分类问题上，随机森林是机器学习领域最重要的分类算法之一。因为雷达工作模式的特点，在雷达的信号数据库中各个工作模式是确定的并且是离散值，因此我们将对雷达工作模式识别的任务建模为一个多分类模型。随机森林算法在雷达工作模式识别的引入不仅能够提高识别的正确率，还对雷达的信号参数数据进行有效的挖掘利用，并且对未知的新数据拥有较好的泛化能力。

本发明的技术方案为：

基于随机森林的雷达工作模式识别问题本质上是机器学习中的分类问题，数学上是一个映射c：X→Y，c是真实Y的估计。用于训练的分类器的样本形式是(x,c(x))，其中x∈X为雷达数据库中已知样本，c(x)为该样本所属的真实类别。随机森林的目的在于构造一个目标函数f，尽可能的逼近真实的函数c，从而达到能够准确预测雷达工作模式。具体的雷达工作模式识别原理如图1所示。

基于随机森林的雷达工作模式识别的原理是：假设X＝{x₁,x₂,x₃,...,x_n}是雷达数据库中样本集合，Y＝{C₁,C₂,C₃,...,C_n}是类别标签构成的集合。把已知的数据样本X与Y输入到分类器中进行训练，选择相应的损失函数作为优化目标，将待识别信号特征X输入到训练好的分类器中，即可得到对应的工作模式。模型的学习过程就是不断地优化损失函数，使得损失函数降到最小。针对多分类问题，选择典型的交叉熵损失函数L(y，y′)作为算法中的损失函数。

其中y为样本的真实值，y'为预测值，N表示样本的个数。

如表1所示，分类模型最终得到结果的情况可以总结为一个混淆矩阵的形式，利用混淆矩阵对分类模型进行评价。机器学习领域中评价分类模型一般选取分类预测的准确率，但准确率往往不能全面体现模型的分类能力和泛化能力，所以引入F1指标(F1measure)评价指标。

表1分类问题混淆矩阵表

F1measure＝2PR/(P+R)